En el reciente evento Build 2025, Microsoft ha dado a conocer una innovadora mejora en su modelo de lenguaje de pequeña escala, Phi Silica, a través de la técnica de adaptación de bajo rango (LoRA). Esta innovación permite optimizar el rendimiento del modelo en diversas tareas específicas mediante un ajuste fino con un conjunto reducido de datos personalizados, manteniendo la eficacia general del modelo.
Este avance se centra en la práctica generación de cuestionarios Kahoot! de alta calidad pedagógica. Los resultados han sido impresionantes, logrando una reducción del 75% en las tasas de rechazo y un aumento de 4.6 veces en la calidad percibida de los cuestionarios.
La Microsoft Learning Zone, primera aplicación educativa diseñada para PCs con Copilot+, se ha asociado con Kahoot! para fomentar la creación de juegos interactivos educativos aprovechando la capacidad de Phi Silica. La aplicación soporta diversas tareas de generación, desde presentaciones dinámicas hasta cuestionarios de opción múltiple. Con la ayuda de LoRA, es posible especializar el modelo base de Phi Silica sin necesidad de crear múltiples modelos específicos para cada tarea pedagógica.
Microsoft ha definido dos ejes para medir la calidad de los cuestionarios: la calidad verificable, que se refiere a las restricciones de formato, y la calidad subjetiva, que evalúa aspectos como claridad y relevancia educativa. Para esto, se ha implementado un nuevo marco de evaluación que incluye agentes de inteligencia artificial haciendo las veces de revisores.
Para lograr un ajuste fino efectivo de LoRA, se desarrolló un conjunto de datos de alta calidad que combina materiales educativos con preguntas y respuestas estilo Kahoot!, guiados por un modelo de lenguaje líder. Este conjunto de datos más completo fue esencial para ajustar el modelo adecuadamente.
Además, los parámetros del sistema fueron optimizados durante el proceso de entrenamiento de LoRA, asegurando que los valores predeterminados mejoraran la calidad de los resultados. Estos ajustes no solo mejoraron la experiencia del usuario, sino que también intensificaron la eficiencia y precisión de las respuestas generadas.
Las pruebas de calidad demostraron que el modelo Phi Silica personalizado con LoRA superó significativamente al modelo base en todas las métricas, incrementando la satisfacción tanto en evaluaciones automáticas como humanas. En total, se crearon aproximadamente 13,000 ejemplos sintéticos para entrenar y evaluar el modelo.
La generación de juegos Kahoot! través de Microsoft Learning Zone se lanzará este verano en vista pública, permitiendo a los educadores experimentar esta herramienta innovadora. Este desarrollo muestra cómo los modelos más pequeños, adecuadamente adaptados, pueden ofrecer experiencias personalizadas y efectivas de inteligencia artificial en herramientas educativas.
